Klasifikasi Citra Penyakit Kulit Dermatologi Menggunakan Metode Naive Bayes

Penelitian ini mengembangkan sistem klasifikasi citra penyakit kulit dermatologi menggunakan metode Naïve Bayes dengan tujuan mendukung diagnosis yang lebih cepat dan akurat. Dataset yang digunakan terdiri dari 4.800 citra dari enam kategori penyakit acne, campak, eczema, vitiligo, kulit normal, dan molluscum contagiosum yang diperoleh dari Kaggle, ISIC, dan DermNet. Proses penelitian meliputi preprocessing seperti resize 256×256 piksel dan konversi grayscale, terdapat dua proses augmentasi citra yaitu Random Brightness Contrast dan Sharpen, serta ekstraksi fitur menggunakan Matrix Local Binary Pattern, dan Hue Saturation Value. Pengujian dilakukan pada tiga rasio data latih-uji yaitu 60:40, 70:30, dan 80:20. Hasil penelitian menunjukkan bahwa metode Naïve Bayes menghasilkan akurasi sebesar 42% dengan macro average F1-score 0,41–0,43, mengindikasikan keterbatasan metode ini dalam membedakan penyakit kulit yang memiliki kemiripan visual tinggi. Untuk hasil akurasi dari confussion matrix sebesar 80,59%.